基于MssiapNet的小麦种植品种的识别
Yongqiang Feng1, Chengzhong Liu1, Junying Han1
1College of Information Sciences and Technology, Gansu Agricultural University, Lanzhou, China.
Frontiers in plant science
|February 2, 2024
概括
一个新的轻量级深度学习模型,MssiapNet,准确地识别小麦苗种. 这种模型提供了较少的参数和更快的速度的高精度,改进了现有的实际农业应用的方法.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 小麦种子短缺和损坏影响谷物产量和经济回报.
- 传统的小麦品种识别物理方法缺乏及时性和可扩展性.
- 深度学习为小麦幼苗识别提供了高准确度,但研究有限.
研究的目的:
- 提出一个轻量级的深度学习模型,MssiapNet,用于准确地识别小麦苗种.
- 提高模型对微妙品种差异的敏感性,提高识别精度.
- 开发一个适合在移动终端上部署的模型,用于实际的农业用途.
主要方法:
- 开发了基于MobileVit-XS的MssiapNet,结合了scSE注意力机制和IAP模块.
- 在29个品种的29,020个小麦幼苗图像的自建数据集上训练了模型.
- 使用热图用于模型可视化,以比较性能与MobileVit-XS.
主要成果:
- MssiapNet实现了96.85%的识别精度,超过了其他九种主流模型.
- 该模型只需要29.70MB的参数,大约是Resnet34的三分之一,推断速度快 (0.16s执行,0.05s延迟).
- 与MobileVit-XS相比,可视化证实了MssiapNet在小麦幼苗品种识别方面的卓越性能.
结论:
- MssiapNet展示了有效的小麦苗木品种识别,具有最小的参数数量和快速推断速度.
- 该模型的效率有助于在移动设备上部署现实世界农业应用.
- 这项研究为解决小麦种植方面的挑战提供了实用的深度学习解决方案.
更多相关视频
05:22Transverse Sectioning of Mature Rice Oryza sativa L. Kernels for Scanning Electron Microscopy Imaging Using Pipette Tips as Immobilization Support
Published on: January 25, 2022
3.7K
11:48A Contrast of Three Inoculation Techniques used to Determine the Race of Unknown Fusarium oxysporum f.sp. niveum Isolates
Published on: October 28, 2021
3.3K
